python之简单的 "blurring"数组表示来自第一原理的 python 中的图像

我有一个图像，它由两个任意放置的黑色 1px“ Blob ”组成，位于 100px x 200px 的白色 Canvas 上。我正在尝试“通过将一些相邻像素(在每个 Blob 的 10 像素半径内)也变黑来模糊这些 Blob 。我已经将以下代码放在一起，但我不太确定下一步..

import numpy as np 
from PIL import Image  
from scipy import ndimage 
from matplotlib import pyplot 
from matplotlib import cm 
from scipy.misc import imsave 
 
im = Image.open("test.png") 
pix = np.asarray(im) 
new_pix = np.copy(pix[:,:,0]) # need this otherwise can't write to the pix array. 
pix_to_enlarge = np.where(new_pix != 255) 
pixels_to_enlarge_by = 10 
i=0 
for each_pixel in pix_to_enlarge[0]: # this cycles through each non-white pixel 
    for y in range(len(new_pix)): # this looks across the length (down) the page 
        for x in new_pix[y]: # this looks across the x-axis for each y step 
            radius = pixels_to_enlarge_by**2 

基本上我已经在变量 pixels_to_enlarge_by 中找到了非白色像素的位置。我正在尝试(到目前为止还没有做到)是选择周围的像素(在 10px 以内)并将它们也更改为黑色。有什么想法吗？

请您参考如下方法:

您需要以一种或另一种方式查看每个像素，然后计算出您希望将多少内容分配给图片中的每个其他像素，例如通过比较两者之间的距离。

下面是如何使用 numpy 完成的。如果您想手动执行此操作，那么这在任何情况下都可能有助于作为起点。这称为卷积。 2d convolution using python and numpy

这是关于高斯模糊的一个很好的起点: http://en.wikipedia.org/wiki/Gaussian_blur

但是如果你只是想做一个开/关模糊效果，那么与(卷积核)卷积的函数只是一个关于源点和任何可能的相邻像素之间距离的 if 语句。可以肯定的是，针对这种情况进行了优化:您的循环不需要跨越所有像素的所有像素，只要足以使大小为 R 的圆适合所考虑的范围即可。

既然你想要首要原则，那就来吧。它仅适用于 rgb 黑白

from PIL import Image  
 
im = Image.open("cat2.png") 
px=im.load() 
im2 = im.copy() 
px2=im2.load() 
sx,sy=im.size 
def turnpixel(Nix,Niy): 
    for ix in range(sx): 
        for iy in range(sy): 
            r2=(Nix-ix)**2+(Niy-iy)**2 
            if r2<5: 
                if sum(px[ix,iy])>100: # rgb sum>100 is considered ON. 
                    px2[Nix,Niy]=(255,255,255)                             
                    return 
                    # we turned a pixel on, so we are done with it. 
 
for Nix in range(sx): 
    for Niy in range(sy): 
        px2[Nix,Niy]=(0,0,0) 
        turnpixel(Nix,Niy) 
 
im.show() 
im2.show() 

如果你想要一个作为距离函数的平滑，使用类似的东西

import math 
def turnpixel(Nix,Niy): 
    for ix in range(sx): 
        for iy in range(sy): 
            r=int(math.sqrt((Nix-ix)**2+(Niy-iy)**2)) 
            def convfunc(o,v): 
                return o+int(v/(r*20+1)) 
            px2[Nix,Niy]=tuple(map(convfunc,px2[Nix,Niy],px[ix,iy])) 
            if sum(px2[Nix,Niy])>=3*250: 
                return 

显然，如果您这样做，您应该对 float 进行操作，而不是整数。 并使用 numpy 或一些图像处理模块。

高斯模糊将是(在上面的函数中)。现在整数是一个非常糟糕的主意顺便说一句:

        inv2sigma2=1.0/(2*3) 
        r2=(Nix-ix)**2+(Niy-iy)**2 
        fact=inv2sigma2/(math.pi)*math.exp(-r2*inv2sigma2) 
        def convfunc(o,v): 
            return o+int(v*fact)